Efek pengacau: Perbedaan antara revisi

Pembaur didefinisikan dalam hal model pembangkit data (seperti pada gambar di atas). Misalkan ''X'' suatu variabel bebas, dan ''Y'' suatu variabel terikat . Untuk memperkirakan pengaruh ''X'' terhadap ''Y'', ahli statistik harus menekan pengaruh variabel asing yang mempengaruhi ''X'' dan . Kamidengan mengatakan bahwa ''X'' dan ''Y'' dikacaukan oleh beberapa variabel lain ''Z'' setiap kali ''Z'' secara kausal mempengaruhi ''X'' dan ''Y''.<ref name=":1">{{cite book|last1=Illari|first1=Phyllis McKay|last2=Russo|first2=Federica|last3=Williamson|first3=Jon|date=2011|url=https://books.google.co.id/books?id=5aoiBQAAQBAJ&pg=PA702&lpg=PA702&dq=Clearly,+P(Y+%3D+y%7Cdo(X+%3D+x))+is+equivalent+to+P(Yx+%3D+y).+This+is+what+we+normally+assess+in+a+controlled+experiment,+with+X+randomized,+in+which+the+distribution+of+Y+is+estimated+for+each+level+x+of+X&source=bl&ots=BIW6u2aK9A&sig=ACfU3U1ymdpxoqxwca9hPjnYABZU7jGz6w&hl=id&sa=X&ved=2ahUKEwjjv_7Q69D0AhUZSWwGHS58Bt0Q6AF6BAgCEAM#v=onepage&q&f=false|title=Causality in the Sciences|place=Britania Raya|publisher=OUP Oxford|isbn=9780191060328|pages=702-703|language=en-EN|coauthors=}}</ref>

Membiarkan <math>P(y \mid \text{do}(x))</math> menjadi probabilitas kejadian ''Y'' = ''y di'' bawah intervensi hipotetis ''X'' = ''x'' . ''X'' dan ''Y'' tidak dikacaukan jika dan hanya jika yang berikut ini berlaku:<ref name=":1" />{{NumBlk|:|<math>P(y \mid \text{do}(x)) = P(y \mid x)</math>|{{EquationRef|1}}}}Maka, semua nilai ''X'' = ''x'' dan ''Y'' = ''y'', dimana <math>P(y \mid x)</math> yang merupakan [[probabilitas]] bersyarat setelah melihat ''X'' = ''x''.<ref name=":1" /> Secara [[Intuitive Surgical|intuitif]], persamaan ini menyatakan bahwa ''X'' dan ''Y'' tidak dibingungkan oleh setiap kali asosiasi yang apabila dilihat secara observasional di antaranya sama dengan asosiasi yang akan diukur dalam suatu eksperimen terkontrol, dimana ''x'' [[acak]].

Pada prinsipnya, persamaan yang menentukan <math>P(y \mid \text{do}(x)) = P(y \mid x)</math> dapat diverifikasi dari model pembangkit data, dengan asumsi kita memiliki semua persamaan dan probabilitas yang terkait dengan model. Ini dilakukan dengan mensimulasikan intervensi <math>\text{do}(X = x)</math>dan memeriksa apakah probabilitas yang dihasilkan dari ''Y'' sama dengan probabilitas bersyarat <math>P(y \mid x)</math>. Namun, apabila ternyata struktur graf sudah cukup untuk memverifikasi kesetaraan <math>P(y \mid \text{do}(x)) = P(y \mid x)</math>.<ref name=":1" />